PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00 0 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Absrak Indeks harga saham merupakan suau indikaor yang menunjukkan pergerakan harga saham. Indeks berfungsi sebagai indikaor rend pasar. Dengan adanya indeks, kia dapa mengeahui rend pergerakan harga saham saa ini apakah sedang naik, sabil aau urun. Indeks harga saham dapa dipengaruhi oleh beberapa fakor, baik mikro maupun makro. Salah sau meode yang dapa digunakan unuk menyelesaikan masalah dere waku yang berhubungan dengan sau aau beberapa dere waku lainnya adalah fungsi ransfer. Penerapan fungsi ransfer pada Tugas Akhir ini diujukan unuk memodelkan suau dere oupu, yaiu indeks harga saham PT Sampoerna Tbk dengan variabel inpu berupa suku bunga SBI, posisi jumlah deposio berjangka dalam rupiah, kurs, ingka bunga deposio, dan perubahan inflasi. Di samping dilakukan pemodelan erhadap mean dengan menggunakan fungsi ransfer, juga dilakukan pemodelan erhadap variannya dengan menggunakan ARCH-GARCH unuk mengaasi adanya heeroskedasisias. Unuk mendapakan model peramalan yang erbaik, yaiu memilih model yang semua parameernya signifikan, residual yang whie noise, dan berdisribusi normal, sera mempunyai AIC dan SBC erkecil. Yang akhirnya akan digunakan unuk meramalkan indeks harga saham pada masa mendaang. Kaa Kunci: indeks harga saham, ime series, fungsi ransfer, ARCH-GARCH. PENDAHULUAN Indeks harga saham merupakan suau indikaor yang menunjukkan pergerakan harga saham. Indeks berfungsi sebagai indikaor rend pasar. Dengan adanya indeks, kia dapa mengeahui pergerakan harga saham saa ini apakah sedang naik, sabil aau urun [3]. Peramalan (forecasing) adalah suau kegiaan unuk memperkenalkan apa yang akan erjadi pada masa yang akan daang dengan meniikberakan pada kajian siuasi dan kondisi yang berlaku sekarang dan masa lalu [4]. Permasalahan uama yang akan dibahas pada peneliian ini adalah bagaimana mean model peramalan indeks harga saham yang dipengaruhi oleh kurs, suku bunga SBI, perubahan inflasi, ingka bunga deposio, dan posisi jumlah deposio berjangka dalam rupiah dengan menggunakan fungsi ransfer dan bagaimana varian model indeks harga saham dengan menggunakan ARCH-GARCH. Tugas Akhir ini dibaasi pada daa sekunder dari Bank Indonesia, Bursa Efek Indonesia, dan Badan Pusa Saisik berupa daa per bulan anara Januari 0 sampai dengan November 09. Adapun ujuan dari penulisan Tugas Akhir ini adalah:. Mendapakan mean model yang menggambarkan hubungan anara kurs, suku bunga SBI, perubahan inflasi, ingka bunga deposio, dan posisi jumlah deposio berjangka erhadap indeks harga saham dengan fungsi ransfer.. Mendapakan variance model yang menggambarkan hubungan anara kurs, suku bunga SBI, perubahan inflasi, ingka bunga deposio, dan posisi jumlah deposio berjangka erhadap indeks harga saham dengan ARCH- GARCH. 3. Meramalkan indeks harga saham pada beberapa periode mendaang. Manfaa dari penulisan Tugas Akhir ini adalah :. Memberikan informasi bagi pelaku bisnis di pasar modal dalam memprediksi harga saham.. Memberikan gambaran enang pemodelan saisik pada permasalahan ekonomi khususnya indeks harga saham.. TINJAUAN PUSTAKA Benuk umum model fungsi ransfer single inpu sebagai beriku : Y = v( B) X + N aau ω( B) θ ( B) y = x b + a () δ ( B) φ( B) Benuk umum model fungsi ransfer muli inpu sebagai beriku : k ω ( B ) j θ ( B ) y = x + a () ( ) j bj j δ B = φ ( B ) j Benuk umum model ARCH sebagai beriku :
h = α 0 + αε + α ε +... + α pε p (3) Benuk umum model GARCH sebagai beriku: p q = + + 0 α iε i β j i= j= h α h (4) j 3. METODE PENELITIAN Uruan langkah langkah dalam menganalisa daa adalah sebagai beriku : a. Idenifikasi Model Fungsi Transfer b. Penaksiran Parameer Model Fungsi Transfer c. Pemeriksaan Diagnosik Model Fungsi Transfer d. Peramalan dengan fungsi ransfer e. Pengujian adanya proses ARCH-GARCH f. Pemodelan varian dengan ARCH-GARCH g. Peramalan varian dengan ARCH-GARCH 4. HASIL PENELITIAN Yang dilakukan dalam ahap idenifikasi model fungsi ransfer adalah sebagai beriku :. Idenifikasi dere inpu dan dere oupu Tahap idenifikasi model dapa diliha dari plo ime seriesnya, ACF, dan PACF. A. Variabel inpu peredaran maa uang Unuk mengeahui daa sudah sasioner aau belum harus dilakukan plo ime series dan plo Box- Cox sebagai beriku: 8 Time Series Plo of SBI SBI /Z SDev 0.3 0. 0. 9 8 6 00 04 0 0 0 0 0 -.0 4 Time Series Plo of SBI /Z Box-Cox Plo of SBI /Z -. Lower CL Lambda Upper CL. 4.0 Limi 6 Lambda (using 9.0% confidence) Esimae.00 Lower CL Upper CL. Rounded Value.00 Gambar Plo Time Series dan Plo Box-Cox ransformasi Suku Bunga SBI diff_ SBI 0 0 00-0 -0 Time Series Plo of diff_ SBI - 6 4 4 6 SBI 4 0.0 Auocorrelaion Funcion for diff_ SBI (wih % significance limis for he auocorrelaions) 8 6 4 4 6 Auocorrelaion 0. -0. - SDev 0. 0. 0. 0. 0. -.0 Lower CL Box-Cox Plo of SBI -. Lambda Upper CL..0 Limi Lambda (using 9.0% confidence) Esimae -.00 Lower CL -. Upper CL - Rounded Value -.00 Gambar Plo Time Series dan Plo Box-Cox Suku Bunga SBI Dari plo ime series dan plo Box-Cox pada Gambar erliha bahwa daa suku bunga SBI belum sasioner dalam mean maupun varian. Unuk mengaasi keidaksaioneran dalam varian perlu dilakukan ransformasi. Pada Gambar erliha bahwa daa suku bunga SBI sudah sasioner dalam varian eapi belum sasioner dalam mean, maka dilakukan differencing orde ke- dan diperoleh plo ime series dan ACF pada Gambar 3. - -.0 0 Gambar 3 Plo Time Series dan Plo ACF Differencing Suku Bunga SBI Dari plo ime series dan plo ACF pada Gambar 3 erliha bahwa daa suku bunga SBI belum sasioner dalam mean sehingga perlu differencing orde ke-. Seelah di differencing diperoleh plo ime series, ACFdan PACF seperi pada Gambar 4 dan Gambar. diff_ SBI 0 00-0 -0 4 4 Time Series Plo of diff_ SBI 4 Gambar 4 Plo Time series Differencing Suku Bunga SBI 0 6 6
Auocorrelaion Parial Auocorrelaion.0 0. -0. - - -.0.0 0. -0. - - -.0 Auocorrelaion Funcion for diff_ SBI (wih % significance limis for he auocorrelaions) 0 0 Parial Auocorrelaion Funcion for diff_ SBI (wih % significance limis for he parial auocorrelaions) Gambar Plo ACF dan PACF Differencing Suku Bunga SBI Pada Gambar 4 plo ime series erliha bahwa daa sudah sasioner, baik dalam mean maupun varian. Dengan meliha plo ACF dan PACF pada Gambar, maka dapa di duga model awal unuk dere inpu suku bunga SBI adalah ARIMA (,,). Selanjunya dilakukan pengujian signifikansi parameer dengan saisik uji dengan % Hipoesis : H : Esimasi parameer 0 H : Esimasi parameer 0 Saisik Uji :.,.99 H diolak jika aau menggunakan nilai P-value, maka H diolak jika arinya parameer model signifikan. Tabel Uji signifikansi parameer ARIMA (,,) Parameer Esimasi SE hiung P-Value - 4-0.9 0.334.33 8 Berdasarkan Tabel hasil uji signifikasi paramaer dapa disimpulkan bahwa pada model ARIMA (,,) parameernya idak signifikan. Asumsi yang harus dipenuhi dalam menenukan model yang sesuai, yaiu residual bersifa whie noise dan berdisribusi normal. Pengujian residual independen dilakukan dengan uji Ljung-Box. Hipoesis: H 0 H minimal ada sau 0, dimana,, Saisik uji Ljung-Box : 4 4 0 0 6 6 3,., 9. H dierima jika., aau arinya residual whie noise. Tabel Uji residual ARIMA(,,) Q, P value 6 3. 9. 0.3 6.6 8.3 03 8 9.8 6. 0.909 4 9.3 33.9 Pengujian asumsi residual berdisribusi normal menggunakan uji Kolmogorov-Smirnov. Hipoesis : H 0 : ( e i berdisribusi normal) H : ( e i idak berdisirbusi normal) Saisik uji : D = Sup S ( x) F0 ( x) = 89 x,., H 0 dierima jika., aau arinya residual berdisribusi normal. Percen 99.9 99 9 90 80 0 0 0. -0 Probabiliy Plo of Residual SBI Normal 00 Residual SBI 0 0 Mean 00 SDev 06 N KS 4 P-Value > Gambar 6 Plo Kenormalan Residual Suku Bunga SBI Unuk memilih model yang erbaik, langkah selanjunya adalah overfiing dengan memilih parameer yang signifikan, memenuhi asumsi whie noise, berdisribusi normal dan mempunyai nilai AIC dan SBC yang erkecil. Tabel 3 Hasil overfiing Model ARIMA Suku Bunga SBI Model Para- Whie Normal AIC SBC ARIMA meer Noise (,,) dk sign ya normal -6.399-6.90 (,,0) sign ya normal -6. -6.6 (0,,) sign ya normal -.9-69.880 (,,[4]) sign ya normal -6. -.6 (,,[]) sign ya normal -.9-6.4 ([4],,) sign ya normal -.068 -. Dari Tabel 3 hasil overfiing menunjukkan bahwa model ARIMA ([4],,) merupakan model yang erbaik unuk variabel inpu suku bunga SBI. Secara maemais, model ARIMA dapa diulis dengan : 0.3 0.39 Dengan cara yang sama pada variabel posisi jumlah deposio berjangka, didapa model ARIMA ([3],,[9]) dan dapa diulis: 3 0.36 6 Dengan cara yang sama pada variabel kurs rupiah erhadap USD, didapa model ARIMA (,,).
06 89 Dengan cara yang sama pada variabel ingka bunga deposio, didapa model ARIMA ([],,[6]). 8 8 Dengan cara yang sama pada variabel perubahan inflasi, didapa model ARIMA (,,[,6]). 6.098 0.33 (9) B. Dere oupu (indeks harga saham) Berdasarkan Gambar erliha daa HMSP belum sasioner dalam mean dan varian, maka diransformasi ln dan di differencing orde ke-. HMSP diff_ HMSP 00 0 00 00 000 00 4 3 0 - - -3 4 Time Series Plo of HMSP Gambar Plo Time series HMSP 4 4 4 Time Series Plo of diff_ HMSP Gambar 8 Plo Time series Differencing HMSP Auocorrelaion Parial Auocorrelaion.0 0. -0. - - -.0.0 0. -0. - - -.0 Auocorrelaion Funcion for diff_ HMSP (wih % significance limis for he auocorrelaions) 0 Parial Auocorrelaion Funcion for diff_ HMSP (wih % significance limis for he parial auocorrelaions) 0 Gambar 9 Plo ACF dan PACF Differencing HMSP Berdasarkan Gambar 8 dan Gambar 9 erliha bahwa daa sudah sasioner. Apapun model yang dimiliki oleh dere oupu, pada akhirnya dere oupu ini akan dimodelkan sama dengan model dere 4 4 0 0 6 6 6 6 4 inpunya yaiu suku bunga SBI, posisi jumlah deposio berjangka, kurs, ingka bunga deposio dan perubahan inflasi.. Prewhiening dere inpu (α ) Model prewhiening dere inpu suku bunga SBI adalah :.. (0) Model prewhiening dere inpu posisi jumlah deposio berjangka adalah:.. () Model prewhiening dere inpu kurs rupiah erhadap USD adalah:.. () Model prewhiening dere inpu ingka bunga deposio adalah :.. (3) Model prewhiening dere inpu perubahan inflasi adalah :... (4) 3. Prewhiening dere oupu (β ) Prewhiening dere oupu dengan variabel inpu suku bunga SBI menghasilkan persamaan beriku :.. () Prewhiening dere oupu dengan variabel inpu posisi jumlah deposio berjangka menghasilkan persamaan beriku :.. (6) Prewhiening dere oupu dengan variabel inpu kurs menghasilkan persamaan beriku :.. () Prewhiening dere oupu dengan variabel inpu ingka bunga deposio menghasilkan persamaan beriku :.. (8) prewhiening dere oupu dengan variabel inpu perubahan inflasi menghasilkan persamaan beriku :... (9) 4. Perhiungan Fungsi Korelasi Silang (CCF) dan Penenuan (r,s,b) Model Fungsi Transfer Dari plo CCF pada Gambar 0 anara HMSP dengan suku bunga SBI dapa dienukan bahwa nilai b=3, r=0, dan s=. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Dari plo CCF pada Gambar anara HMSP dengan posisi jumlah deposio berjangka dapa
dienukan bahwa nilai b=, r=0, dan s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Covariance Correlaion 9 8 6 4 3 0 3 4 6 8 9 0 6.683E 9 34...08E 8 06. *. 6.484E 9 3.. 3 8.806E 8.84 ******. 4.80E 8 0.334. *****.63E 8 4. ****. 6.9E 8.043. **..09E 8.89.****. 8.66693E 8 838. *. 9.894E 8 64. *. 0.03E 8.0. *. 4.3E 0.00.. 3.836E 8.36. ***. 3 6.89E 9.04.. 4 4.06E 8. ***. 3.E 9 3.. Gambar 0 Plo Crosscorrelaion HMSP dengan Suku Bunga SBI Covariance Correlaion 9 8 6 4 3 0 3 4 6 8 9 0 44.094...43.69 *****. 0.3893 4469. *. 3 8480. **. 4.36. ***. 88.0343. *. 6.084896.694. ***. 6 0834.. 8 0.99003.4. **. 9 0.3800 4464. *. 0 43.0. *. 6 8. **. 8.06. *. 3 99.0483. **. 4 43.. 0.38 66. *. Gambar Plo Crosscorrelaion HMSP dengan Posisi Jumlah Deposio Berjangka Dari plo CCF pada Gambar anara HMSP dengan kurs rupiah erhadap USD dapa dienukan bahwa nilai b=, r=0, dan s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Covariance Correlaion 9 8 6 4 3 0 3 4 6 8 9 0 6.80.099.. 4.4 88.. 93.3 34. *. 3 08.9 38. *. 4 34.9.00...98 9.. 6.3 386.. 399.66 0.34. ***. 8 96.96.. 9 6.44.09.. 0 66.4. ***** 694.99.09. **. 064.94.3680 *******. 3 6.684.039. *. 4 8.36.9.****..099. **. Gambar Plo Crosscorrelaion HMSP dengan Kurs Rupiah erhadap USD Sedangkan dari plo CCF pada Gambar 3 anara HMSP dengan ingka bunga deposio dapa dienukan bahwa nilai b=0, r=0, s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: (3) Covariance Correlaion 9 8 6 4 3 0 3 4 6 8 9 0 0088 4. *. 00668.644. ***..936E 6 0.. 3 000968.04.. 4 00439. **. 009.0486. *. 6 00033 3.. 00.. ***. 8 00. ****. 9 00489 0.3. **. 0 00644.83. ***. 0006.0334.. 00.0. *. 3 0088. ***. 4 000.. ***. 0000.0380. *. Gambar 3 Plo Crosscorrelaion HMSP dengan Tingka Bunga Deposio Sedangkan dari plo CCF pada Gambar 4 anara HMSP dengan perubahan inflasi dapa dienukan bahwa nilai b=, r=0, s=. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: (4) Unuk fungsi ransfer muli inpu diliha dari plo CCF pada Gambar 3 anara HMSP dengan ingka bunga deposio dapa dienukan bahwa nilai b=9, r=0, s=0 dan pada Gambar 4 anara HMSP dengan perubahan inflasi dapa dienukan bahwa nilai b=, r=0, s=0. Sehingga dapa dibenuk model awal fungsi ransfer yaiu: () Covariance Correlaion 9 8 6 4 3 0 3 4 6 8 9 0 438 0.. ***** 46 8. ***** 089 94. *. 3 448 84. **. 4. *. 9806 0.0. ***. 6 06.033. *. 36.36. ***. 8 4.436. ***. 9 68.93.****. 0 069.0. *. 344.89.****. 334.6.****. 3 09.. 4 036 36. *. 8690.089. **. "." marks wo sandard errors Gambar 4 Plo Crosscorrelaion HMSP dengan Perubahan Inflasi. Idenifikasi Dere Noise (, ) Pada Gambar plo ACF dan PACF dapa diduga model ARIMA dere noise dari fungsi ransfer dengan variabel inpu suku bunga SBI adalah ARIMA (0,0,). Secara maemais, model ersebu dapa diulis dengan : (6) Auocorrelaion Plo of Residuals Cov Corr 9 8 6 4 3 0 3 4 6 8 9 Sd Error 0.E 8.00 ******************** 0 6.E 9.48 **********. 0. 4.E 0 3. *. 04 3.9E 9.. ***. 4.64E 9 0.. **. 0.3 8.E 0 6. *. 0.38 6.8E 9.3. ***. 33.3E 9. **. 0.96 8.E 9.. **. 986 9.3E 9. **. 46 0 3.9E.00.. 0.936.E 9.08. **. 0.936.0E 9 8. **. 0.06 3.E 9.08. **. 6 4.6E 9 0.9. ****. 8.E 9.6. ***. 466 Parial Auocorrelaions Correlaion 9 8 6 4 3 0 3 4 6 8 9 893 **********. 4 *****. 3 4 *******. 4 0..****. 90. *. 6 9. ***. 4.. 8 0.3. ***. 9 93. **. 0 6.. 0.999. ***. 839. **. 3 0.3. ***. 4 3833. *. 006.. Gambar Plo ACF dan PACF residual HMSP dengan Suku Bunga SBI Dengan cara yang sama pada variabel posisi jumlah deposio berjangka, didapa model ARIMA (0,0,0). () Dengan cara yang sama pada variabel kurs rupiah erhadap USD, didapa model ARIMA (0,0,). ()
Dengan cara yang sama pada variabel ingka bunga deposio, didapa model ARIMA (,0,). (9) Dengan cara yang sama pada variabel perubahan inflasi, didapa model ARIMA ([,],0,0). () Dengan cara yang sama pada fungsi ransfer muli inpu, didapa model ARIMA (0,0,4). Secara maemais dapa diulis: (3) Pada ahap penaksiran parameer model fungsi ransfer digunakan Condiional Leas squares. Tabel 4 Hasil Esimasi Parameer Model Fungsi Transfer dengan Inpu Suku Bunga SBI Parameer Esimasi SE hi P-Value -04 0346-3.9 0-0. 0.36-6.9 <.000 0.90 39 6.8 <.000 Berdasarkan Tabel 4 hasil uji signifikasi paramaer dapa disimpulkan bahwa pada model fungsi ransfer semua parameernya signifikan. Sehingga didapa model fungsi ransfer dengan inpu suku bunga SBI sebagai beriku: 04 0. 0.90 (3) 04.6 0. 0.90 dengan dan Dengan cara yang sama unuk variabel inpu posisi jumlah deposio berjangka didapa model fungsi ransfer sebagai beriku: 333 (33) 333 333 dengan dan Dengan cara yang sama unuk variabel inpu kurs rupiah erhadap USD didapa model fungsi ransfer sebagai beriku: 0. 0.9364 (34) 0. 0. 0.9364 Dengan cara yang sama unuk variabel inpu suku bunga deposio didapa model fungsi ransfer sebagai beriku: 9.. ().09 8 9 9 880 6 9 0.9686 dengan ln dan ln Dengan cara yang sama unuk variabel inpu perubahan inflasi didapa model fungsi ransfer sebagai beriku: 033 8.. (36).84 3 8 0.33 033 4 9 3.046 88 dengan ln dan ln 6 Dengan cara yang sama didapa model fungsi ransfer muli inpu sebagai beriku:.4383 96 0.364 (3).4383.66.4383 96 393 96 0.364 dengan ln, ln dan ln Pada ahap pemeriksaan diagnosik model fungsi ransfer yang dilakukan adalah:. Pengujian Residual bersifa Whie Noise A. Pemeriksaan Auokorelasi Residual Model Berdasarkan Tabel erliha bahwa P-value> sehingga dapa disimpulkan bahwa residual model fungsi ransfer dengan variabel inpu suku bunga SBI whie noise. Tabel Uji Whie Noise Residual Model Fungsi Transfer dengan Inpu Suku Bunga SBI Q, P value 6..0 38 4.6 9.68 0.94 8 8..9 0.9 4.80. 0.96 Dengan cara yang sama unuk residual fungsi ransfer dengan variabel inpu posisi jumlah deposio berjangka, kurs rupiah erhadap USD, suku bunga deposio, perubahan inflasi dan residual fungsi ransfer muli inpu adalah whie noise. B. Pemeriksaan Crosscorrelaion dere inpu yang elah dipuihkan dengan residual model Tabel 6 Nilai Chi-Square Crosscorrelaion anara dan Q, P value 4.93 9. 0.94 6.3 8.3 0..6 6. 0.99 3 8.8 33.9 0.994 Berdasarkan Tabel 6 erliha bahwa P-value> sehingga dapa disimpulkan bahwa anara dere inpu yang elah dipuihkan ( ) dengan nilai residual ( ) independen. Dengan cara yang sama anara dan independen, anara dan independen, anara dan independen, anara dan independen. Dengan cara yang sama pada pemeriksaan crosscorrelaion anara dan unuk model fungsi ransfer muli inpu anara dan independen, anara dan independen.. Pengujian Residual Berdisribusi Normal Pengujian asumsi disribusi normal dapa dilakukan dengan menggunakan uji Kolmogorov- Smirnov. MAPE unuk model fungsi ransfer dengan variabel inpu suku bunga SBI sebesar 3.4%, dengan inpu posisi jumlah deposio berjangka sebesar.%, dengan inpu kurs sebesar 9.%, dengan inpu ingka bunga deposio sebesar 9.09%, dengan inpu perubahan inflasi sebesar 33.3%, dengan inpu ingak bunga deposio dan perubahan inflasi sebesar.9%.
Percen 99.9 99 9 90 80 0 0 0. -003-00 Probabiliy Plo of Residual SBI-HMSP Normal -00 000 00 Residual SBI-HMSP 00 003 Mean -0000466 SDev 000844 N 6 KS 90 P-Value > Gambar 6 Plo Normal Residual HMSP - Suku Bunga SBI Model fungsi ransfer yang memiliki MAPE erkecil adalah dengan variabel inpu posisi jumlah deposio berjangka sehingga model ini merupakan model erbaik dan digunakan unuk meramalkan indeks harga saham PT HM Sampoerna seperi pada Tabel. Tabel Hasil Peramalan HMSP Menggunakan Fungsi Transfer dengan Inpu Posisi Jumlah Deposio Berjangka Selang Kepercayaan Bulan Akual Ramalan Sandard 9% Deviasi Baas Baas Bawah Aas Ok09 44.4 3.38.68 38.4 68. Nov09 44.6 3.3866.893 3.986 68.90 Des09 4.4 3.398 8.0 3.690 69.46 Jan0 3.33 8.94 3.3483 69.48 Karena pada ahap idenifikasi daa posisi jumlah deposio berjangka dilakukan ransformasi maka hasil ramalan harus dikuadrakan sehingga ramalan indeks harga saham PT HM Sampoerna bulan Januari 0 sebesar.9. Pada idenifikasi adanya proses ARCH- GARCH yang dilakukan adalah pengujian adanya proses ARCH-GARCH menggunakan uji Ljung Box, LM dan meliha ACF dan PACF. Tabel 8 Uji Ljung Box dan LM Posisi Jumlah Deposio Berjangka Q LM.3 0..464 0.3 3.693 9 3.33 89 3 3.64 4 3.338 0.343 4 8.04 889 6.34 4 8.390 0.39.438 90 6 8.94 0.0 8.696 0.94.04 0.366 9. 0.9 8.9 0.36.448 0.936 9 4.439 8.683 0. 0.888 3.6.0839 4. 0.396.0 0..4 66 Diliha dari Tabel 8 bahwa P value> berari kuadra residual posisi jumlah deposio berjangka idak erdapa unsur heeroskedasis. Teapi pada Gambar plo ACF dan PACF erdapa lag yang signifikan yaiu lag ke-4, sehingga diduga kuadra residual dari posisi jumlah deposio berjangka erdapa unsur heerokedasisias. Auocorrelaions Cov Corr 9 8 6 4 3 0 3 4 6 8 9 Sd Error 0.99.00 ******************** 0 4.39 0.9. ****. 0.93. 0.. ***** 0.38 3.9. *. 0.99 4.. ***** 0.06 0..03. *. 0.3666 6.39.06. *. 0.368 4.33.8.****. 0.34 8.88.. ***. 0 9 3..6. ***. 38 0 3.86.6. ***. 9.6.. **. 4.8.08. **. 3 3.8.. **. 4.8.0. **..9.09. **. 0. 6.34.0. **. 0...0. **. 0.368 Parial Auocorrelaions Correlaion 9 8 6 4 3 0 3 4 6 8 9 0.94. ****. 0.9938. ****. 3 834.. 4 0.. ****. 0.. **. 6 0.3894. ***. 0.. ***. 8 6. **. 9 4. *. 0 60. *. 9. *. 03.. 3 98. **. 4 4. *. 0.9. **. 6 0.3. ***. 9. **. Gambar Plo ACF dan Plo PACF Kuadra Residual Posisi Jumlah Deposio Berjangka Tahap selanjunya adalah esimasi dan pengujian parameer model ARCH-GARCH. Esimasi parameer dilakukan dengan menggunakan Maximum Likelihood. Tabel 9 Esimasi Parameer Model ARCH(4) Posisi Jumlah Deposio Berjangka Parameer Esimasi SE hi P-Value.483 0.3668 3.3 0 8 0.3 366 Berdasarkan Tabel 9 erliha bahwa P-value< sehingga semua parameernya signifikan dan didapakan model unuk varian sebagai beriku:.483 8 (38) Seelah mendapakan model yang signifikan, model ersebu digunakan unuk meramalkan varian pada beberapa periode mendaang menggunakan ARCH-GARCH. Hasil peramalan varian adalah sebagai beriku: Tabel 0 Hasil Peramalan Varian dari Kuadra Residual Posisi Jumlah Deposio Berjangka Bulan Ramalan Sandar Deviasi Selang Kepercayaan 9% Baas Baas Aas Bawah Ok 09 3.38.6.886 6.94 Nov 09 3.3866.64.99 6.84 Des 09 3.398.6.936 6.8439 Jan 0 3.33..943 6.890 Dari Tabel 4.0 erliha bahwa sandard deviasi dengan mengunakan ARCH-GARCH lebih kecil dibandingkan dengan sandard deviasi menggunakan fungsi ransfer, sehingga dengan memodelkan varian akan menghasilkan selang kepercayaan yang lebih sempi. Hal ini menunjukkan bahwa hasil peramalan akan mendapakan hasil yang lebih baik jika variance model juga diperimbangkan.
. PENUTUP Dari analisa daa dan pembahasan dapa diarik kesimpulan :. Mean model menggunakan fungsi ransfer dengan inpu posisi jumlah deposio adalah: 333 333 dengan dan Dari hasil model fungsi ransfer ersebu dapa diarikan bahwa indeks harga saham PT HM Sampoerna Tbk pada waku ke- dipengaruhi oleh indeks harga saham sau bulan sebelumnya (-), posisi jumlah deposio berjangka sau sampai dua bulan sebelumnya {(-), (-)}, dan nilai residual ke-.. Variance model menggunakan ARCH-GARCH unuk posisi jumlah deposio berjangka sebagai beriku:.483 8 Dari hasil model ARCH-GARCH ersebu dapa diarikan bahwa varian dari indeks harga saham PT HM Sampoerna Tbk pada waku ke- dipengaruhi oleh kuadra residual empa bulan sebelumnya (-4). 3. Hasil ramalan indeks harga saham PT HM Sampoerna dengan inpu posisi jumlah deposio berjangka unuk bulan Januari 0 sebesar.9. Hasil peramalan akan mendapakan hasil yang lebih baik jika variance model juga diperimbangkan. Saran yang dapa diberikan pada peneliian berikunya adalah :. Digunakan inpu yang lebih banyak dan variabel yang mungkin diduga sanga berpengaruh agar mendapakan nilai ramalan yang lebih baik dari model sebelumnya.. Memperimbangkan fakor eksernal seperi kondisi poliik dan sosial agar hasil peramalan lebih mendekai akual. 3. Menggunakan daa harian unuk indeks harga saham agar memperkecil error. IHSG di Bursa Efek Surabaya. Jurusan Ilmu Ekonomi dan Sudi Pembangunan Universias Airlangga. Surabaya. [] Indonesia Sock Exchange. 08. Buku Panduan Indeks Harga Saham Bursa Efek Indonesia. Jakara: IDX. [6] Makridakis, S., Wheelwrigh S.C., dan McGee V.E. 999. Meode dan Aplikasi Peramalan. Dierjemahkan oleh Sumino, H. Jakara: Binarupa Aksara. [] Sulisiyawai, D. 04. Analisis Fungsi Transfer Muli Inpu dan Arch-Garch pada Daa Indeks Harga Saham PT HM Sampoerna. Jurusan Saisika ITS. Surabaya. [8] Tsay, R. S. 0. Analysis of Financial Time Series. Unied Sae of America: John Wiley and Sons. [9] Wei, W. W. S. 994. Time Series Analysis :Univariae and Mulivariae Mehods. Unied Sae of America: Addison-Wesley Publishing Company. DAFTAR PUSTAKA [] Ang, R. 99. Buku Pinar Pasar Modal Indonesia. Firs Ediion. Indonesia : Mediasof Indonesia. [] Bank Indonesia. 0-09. Saisik Ekonomi dan Keuangan Indonesia. Jakara : Bank Indonesia. [3] Bollerslev. 986. Generalized Auoregressive Condiional Heeroskedasiciy. Journal of Economerics 3: -3. Norh-Holland. [4] Harono, A. 998. Pengaruh Perubahan Suku Bunga Deposio Berjangka, Spread Suku Bunga Perbankan, Posisi Jumlah Deposio Berjangka, Nilai Tukar dan Giro erhadap 8